Электронный научный журнал
Международный студенческий научный вестник
ISSN 2409-529X

ИССЛЕДОВАНИЕ БИОМЕТРИЧЕСКИХ СИСТЕМ ИДЕНТИФИКАЦИИ ПО КЛАВИАТУРНОМУ ПОЧЕРКУ

Козинов Е.И. 1 Сальников И.И. 1
1 Пензенский государственный технологический университет
Работа посвящена исследованию методов и средств идентификации личности при работе на компьютере. Особенно это актуально для крупных, стратегически важных объектов. К тому же пользовательские компьютеры, используемые на предприятиях, намного чаще подвергаются атакам недоброжелателей с целью завладеть конфиденциальной информацией. Достижения и разработки в области обеспечения информационной безопасности позволяют охранять данные от несанкционированного доступа, при этом способы защиты информации продолжают совершенствоваться и усложняться. Особая роль отводится биометрическим признакам пользователя, одним из которых является клавиатурный почерк. Наиболее перспективным методом решения задачи идентификации пользователя по клавиатурному почерку представляется использование трехслойного перцептрона Розенблатта. Применение нейронных сетей позволяет упростить математический аппарат обработки данных и уменьшить вероятность возникновения ошибок второго рода – положительного результата идентификации для незарегистрированных пользователей.
клавиатурный почерк
биометрические признаки
идентификация личности
нейросети
1. Фетистов Н.А., Солодков Н.Н. Информатика. Проектирование и разработка ИС: методические указания к выполнению НИР для студентов очной формы обучения. – Брянск: БГТУ, 2014. – 68 с.
2. Хеник Б. Проектирование информационных систем. Путь к совершенству. – М.: Высшая школа, 2015 г. - 64 с.
3. Головин К.Р. Мониторинг производства на предприятии. – Брянск: БГТУ, 2014. – Вып. 9. – С. 57–65.
4. Дильсон С.М. Информационные системы: проектирование и использование: Учебник. – М: Финансы и статистика, 2014. – 92 c.
5. Гамминский Э., Хелм Р. Приемы объектно-ориентированного проектирования. – СПб.: БХВ-Петербург, 2016. – 68 с.
6. Нотация и семантика языка UML/ИНТУИТ. URL: http://www.intuit.ru/studies/courses/32/32/lecture/1004, свободный (дата обращения 9.12.2017 г.). – Заголовок с экрана.
7. Теория и практика UML. Диаграмма последовательности/It-gost.ru. URL: http://www.it-gost.ru/articles/view_articles/96, свободный (дата обращения 10.12.2017 г.). – Заголовок с экрана.
8. Учебник по нейронным сетям. URL: http://www.neuralnet.info, свободный (дата обращения 19.12.2017 г.). – Заголовок с экрана.
9. Библиотека системного программирования. Выбор нейронной сети/http://www.frolov-lib.ru. URL: http://www.frolovlib.ru/books/hi, свободный (дата обращения 20.12.2017). – Заголовок с экрана.
10. Сервис анализа печати на клавиатуре «Скорописание.ру». URL: http://www.skoropisanie.ru/begin.php – Заголовок с экрана, свободный (дата обращения 16.12.2017).
11. Сервис анализа печати на клавиатуре «FastFingers». URL: https://10fastfingers.com/typing-test/russian – Заголовок с экрана, свободный (дата обращения 16.12.2017).

Исследования в области биометрических средств идентификации личности активно применяются для авторизации пользователей на устройствах, как, например, Face ID на iPhone X.

В совокупности с искусственными нейронными сетями БСИ могут применяться для решения самых разных задач. К таким способам относят и идентификацию личности по ритму работы на клавиатуре. Актуальность подобных систем в выбранной предметной области велика как никогда: в наше время информация считается одним из ценнейших ресурсов.

На сегодняшний день существует множество способов идентификации личности, но наиболее надежна идентификация по биометрическим признакам [1] . Наиболее популярна в последнее время идентификация пользователя по клавиатурному почерку. Современные исследования показывают, что клавиатурный почерк пользователя обладает некоторой стабильностью.

Первые функциональные биометрические системы идентификации появились в середине 80-х гг. прошлого века, но широкого распространения в России того времени они ещё не получили. Но после первой половины 1990-х годов, из-за роста преступности и мошеннических действий начинается активное соперничество среди разработчиков систем защиты и управления доступом. Первые такие системы пользовательского уровня появились в конце 90-х годов 20 века, данные системы совершенствуются и становятся все более точными, надежными и по сей день.

Для анализа и сравнения были выбраны наиболее популярные на данное время системы, проводящие анализ ритма работы на клавиатуре пользователя: SpeedTyping, FastFingers и система «Скорописание».

Сервис по распознаванию скорости печати SpeedTyping предназначен для того, чтобы узнать, насколько виртуозно пользователь владеет основами набора текста на клавиатуре, а постоянная тренировка в данной программе позволяет улучшить скорость печати.

Интерфейс данной программы можно увидеть на рис. 2. К достоинствам данной системы можно отнести возможность точного определения набора каждого слова, так как зафиксированное время набора отражается в конечной статистике. А также присутствует возможность определения средней скорости печати в символах в минуту.

Учитывая все достоинства, недостатки и тенденции, можно создать удобную, недорогую систему идентификации личности по клавиатурному почерку с максимально высокой точностью результата, которая при этом будет с легкостью использоваться любым пользователем или организацией.

karas1.tif

Рис. 1. Интерфейс системы «SpeedTyping»

В данной работе задействованы методы экспериментально-теоретического и теоретического уровней, такие как теоретический анализ литературных источников, анализ статистики и обзор СМИ.

Методология системного анализа служит для построения концептуальной модели и заключается в разбиении предметной области на отдельные компоненты и взаимосвязи между ними [6]. Моделирование и представление структуры разрабатываемой системы позволяет предупредить появление большинства ошибок, которые могли появиться без ее детального анализа. Она включает в себя отдельные части, которые называются подсистемами (функциональными или обеспечивающими). Функциональная часть состоит из ряда подсистем, которые решают конкретные задачи планирования, контроля, анализа, учета и управления деятельностью объектов.

Для более понятного представления работы подсистемы были созданы диаграммы деятельности и последовательности. Диаграмма деятельности (Activity diagram) – это диаграмма, показывающая структуру проводимой деятельности, ее части. Деятельность – это поведение системы или пользователя в виде последовательности или параллельности исполнения зависимых элементов, некоторых определенных отдельных действий, соединенных между собой [13].

В данном случае диаграмма деятельности позволяет подробно описать логику производимых действий при работе с подсистемой. Диаграмма деятельности работы подсистемы показана на рис. 2.

karas2.tif

Рис. 2. Диаграмма деятельности работы подсистемы

При работе подсистемы используется такая информация, как количество ошибок при наборе, интервалы между нажатиями клавиш, время удержания клавиш, число перекрытий между клавишами, степень аритмичности при наборе, скорость набора.

В работе рассмотрены 4 основных вида нейронных сетей, таких как: перцептрон, сеть Хопфилда, регрессионная нейронная сеть, сверточная нейронная сеть, данные о которых сведены в общую таблицу.

Cравнительный анализ нейронных сетей

Тип

нейронной сети

Цель использования

Соответствие поставленной задаче

Перцептрон

Простые математические вычисления

Высокое

Сеть Хопфилда

Реализация восстановления эталонных данных по искаженному (зашумленному) образу

Низкое

GRNN

Решение задач регрессии, аппроксимации и анализа

Среднее

Сверточная сеть

Обработка и распознавание изображений

Низкое

 

Наиболее перспективным методом решения задачи идентификации пользователя по клавиатурному почерку представляется использование трехслойного перцептрона Розенблатта следующей конфигурации:

– первичный слой – входной, состоит из k формальных нейронов с линейной активаторной функцией, где k – размерность входного вектора, содержащего параметры клавиатурного почерка пользователя;

– второй слой – скрытый, состоит из k формальных нейронов с сигмоидной активаторной функцией,

– третий слой – выходной, состоит из n формальных нейронов с сигмоидной активаторной функцией, где п – число зарегистрированных пользователей.

Применение нейронных сетей позволяет упростить математический аппарат обработки данных и уменьшить вероятность возникновения ошибок второго рода – положительного результата идентификации для незарегистрированных пользователей. В результате возможно существенное повышение надежности и устойчивости работы систем идентификации пользователя по клавиатурному почерку.

Последний этап – создание и обучение нейронной сети. Этим занимается администратор.

Процесс обучения включает в себя настройку нейронной сети для ее корректной работы в последующем. Настройка осуществляется благодаря использованию тренировочного набора примеров. Поэтому, после прохождения обучения разрабатываемая система идентификации приобретает способность реагировать и отвечать похожими реакциями на один тип объектов и отличными на другой.

Система идентификации по ритму работы на клавиатуре осуществляет контроль управления доступом к данным на компьютерах, проводя сравнительный анализ ритма работы пользователя с заданным эталонным значением. Вовремя зафиксированные несанкционированные попытки доступа помогают повысить информационную безопасность организации.

При работе системы используется такая информация, как количество ошибок при наборе, интервалы между нажатиями клавиш, время удержания клавиш, число перекрытий между клавишами, степень аритмичности при наборе, скорость набора. Требования к техническому и программному обеспечению основываются на наличии клавиатуры и компьютера для обработки полученных данных.

Преимущества биометрических систем безопасности очевидны: уникальные человеческие качества трудно подделать, а в отличие от бумажных идентификаторов (паспорт, водительские права, удостоверение личности) они еще и не могут быть забыты или потеряны.

Подобные системы позволяют повысить эффективность работы персонала и его безопасность, а также безопасность информационных ресурсов организации, что мешает конкурентам случайно завладеть конфиденциальной информацией.

Так же это наиболее эффективный способ идентификации личности, использующей персональный компьютер или другую вычислительную машину.

Искусственная нейронная сеть, которая обучена и настроена, может использоваться на реальных входных данных, не только подсказывая пользователю корректное решение, но и проверяя степень его соответствия эталонному.


Библиографическая ссылка

Козинов Е.И., Сальников И.И. ИССЛЕДОВАНИЕ БИОМЕТРИЧЕСКИХ СИСТЕМ ИДЕНТИФИКАЦИИ ПО КЛАВИАТУРНОМУ ПОЧЕРКУ // Международный студенческий научный вестник. – 2018. – № 3-2.;
URL: http://eduherald.ru/ru/article/view?id=18261 (дата обращения: 14.06.2021).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074